UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

Texto

(1)

DEPARTAMENTO DE ECONOMIA

PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

O IMPACTO DE MUDANÇAS DE RATING SOBERANO SOBRE A TAXA DE CÂMBIO EM PAÍSES EMERGENTES

Mirela Virgínia Perrella Scarabel

Orientador: Prof. Dr. Mauro Rodrigues Júnior

SÃO PAULO 2010

(2)

Prof. Dr. João Grandino Rodas Reitor da Universidade de São Paulo

Prof. Dr. Reinaldo Guerreiro

Diretor da Faculdade de Economia, Administração e Contabilidade Prof. Dr. Denisard Cneio de Oliveira Alves

Chefe do Departamento de Economia Prof. Dr. Dante Mendes Aldrighi

(3)

O IMPACTO DE MUDANÇAS DE RATING SOBERANO SOBRE A TAXA DE CÂMBIO EM PAÍSES EMERGENTES

Dissertação apresentada ao Departamento de Economia da Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo como requisito para a obtenção do título de Mestre em Economia.

Orientador: Prof. Dr. Mauro Rodrigues Júnior

SÃO PAULO 2010

(4)

FICHA CATALOGRÁFICA

Elaborada pela Seção de Processamento Técnico do SBD/FEA/USP

Scarabel, Mirela Virgínia Perrella

O impacto de mudanças de rating soberano sobre a taxa de câmbio em países emergentes / Mirela Virgínia Perrella Scarabel. -- São Paulo, 2010.

65 p.

Dissertação (Mestrado) – Universidade de São Paulo, 2010. Orientador: Mauro Rodrigues Júnior.

1. Taxa de câmbio 2. Risco-país 3. Países em desenvolvimento I. Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade II. Título.

(5)
(6)
(7)

Todo o curso de mestrado que se finalizou com a elaboração desta dissertação foi um processo longo, durante o qual contei com a ajuda de muitas pessoas queridas, às quais venho agora a agradecer.

Os primeiros a quem agradeço são minha família, meu pai Eurico, minha mãe Celia, minha irmã Larissa e meu irmão Pérsio, que, como bons descendentes de italianos, gesticulando bastante e em alto e bom tom, sempre me apoiaram e me aconselharam sobre minha vida profissional e acadêmica.

Agradeço a todos os meus colegas do mestrado, que se tornaram bons amigos os quais levarei para a vida toda, responsáveis por tornar esta árdua jornada numa das melhores épocas da minha vida, da qual vou lembrar sempre com muito carinho. Como, por exemplo, da sala de estudos no FEA 5, onde passamos inúmeras horas debruçados na solução de várias listas de problemas, da sala do café antes do início das aulas da tarde, dos churrascos, das viradas de noite no IME etc.

Pela minha formação acadêmica, agradeço ao corpo docente da FEA, grandes economistas e professores dedicados com os quais tive o privilégio e o prazer de aprender. Entre estes, em especial agradeço ao meu orientador, Mauro Rodrigues, pela paciência, pelas sugestões sempre bem colocadas, pela liberdade que me concedeu e pelas cobranças sempre oportunas. Aos professores que me deram aula na pós-graduação: Fernando Botelho, Chiappin, Denisard Alves, Fábio Kanczuc, Gabriel Madeira, Mauro Rodrigues, Pedro Duarte, Fernando Postali, Naércio Menezes e Vera Fava. Aos professores Marcos Rangel e Rodrigo De Losso que participaram da minha banca de qualificação e me deram valiosas sugestões. Agradeço a Deus que esteve sempre ao meu lado em todos os momentos sem que eu nunca precisasse pedir, me auxiliando e me orientando em minhas escolhas e me amparando nos momentos mais difíceis.

(8)
(9)

“A nossa maior glória não reside no fato de nunca cairmos, mas sim em levantarmo-nos sempre depois de cada queda.”

(10)
(11)

RESUMO

O objetivo desta dissertação é avaliar o impacto de mudanças de rating soberano sobre a taxa de câmbio de países emergentes. Embora a literatura relacionada já tenha estudado o impacto de mudanças de rating soberano sobre ações, títulos e até fluxo de capital, nada foi feito sobre taxas de câmbio. Todavia, taxas de câmbio devem responder de maneira interessante a mudanças de rating, pois além de serem ativos financeiros, as moedas desempenham a função de intermediar o investimento estrangeiro nos demais ativos domésticos. Empregamos a metodologia de estudo de evento acrescentando a ela uma modificação que nos permite controlar a análise por efeitos agregados. Utilizando uma base de dados diária de taxas de câmbio de 23 países emergentes encontramos, grosso modo, evidências de que downgrades estão associados a depreciações da moeda doméstica, ao passo que, upgrades não provocam nenhuma reação significativa na taxa de câmbio. Este resultado vai ao encontro da literatura que estuda o impacto de mudanças de rating em ações, títulos e fluxo de capitais. Além disso, dentre ainda outros resultados, encontramos evidências de que o mercado antecipa o evento relevante e que não há efeitos defasados.

(12)
(13)

ABSTRACT

The purpose of this dissertation is to examine the impact of sovereign rating changes on the exchange rate of emerging markets. Although the related literature has studied the impact of sovereign rating changes on stocks, bonds and even capital flows, nothing has been done on exchange rates. However, exchange rates should respond in an interesting way to rating changes because the currency is a financial asset and has a role in intermediating foreign investment in other domestic assets. We employ the event study methodology by adding to it an amendment that allows us to control the analysis by aggregate effects. Using a database of daily exchange rates of 23 developing countries, we found evidence that downgrades are associated with depreciations of the domestic currency, whereas, upgrades do not cause any significant reaction in the exchange rate. This result is consistent with the literature that studies the impact of rating changes on stocks, bonds and capital flows. Moreover, even among other results, we find evidence that the market anticipates the relevant event and there is no lagged effects on the market.

(14)
(15)

FICHA CATALOGRÁFICA ... 4 LISTA DE TABELAS ... 2 1 INTRODUÇÃO... 3 2 REVISÃO DE LITERATURA ... 7 3 DADOS ... 11 4 ESTRATÉGIA EMPÍRICA ... 17 5 ESTIMAÇÃO ... 21 6 ESTATÍSTICA DESCRITIVA ... 23 7 RESULTADOS ... 26 7.1 Modelo básico ... 26

7.2 Separação entre agências ... 31

7.3 Separação por regime cambial ... 34

7.4 Movimentos fortes de downgrades e upgrades ... 36

7.5 Placebo ... 38

8 DISCUSSÃO ... 42

9 CONCLUSÃO... 44

(16)

LISTA DE TABELAS

Tabela 1 – Abertura dos mercados em economias emergentes ... 3

Tabela 2 - Literatura relacionada ... 7

Tabela 3 - Classificação dos Ratings... 13

Tabela 4 - Início dos dados para cada país ... 14

Tabela 5 - Descrição dos regimes cambiais ... 16

Tabela 6 - Estatística descritiva das variáveis explicativas ... 23

Tabela 7 – Estatística descritiva das variáveis explicativas ... 24

Tabela 8 – Estatística descritiva de CAR(-1,+1) e CAR(-5,+5) condicionados a ocorrência de evento ... 25

Tabela 9 – Resultados do modelo básico ... 27

Tabela 10 – Resultado por agência ... 32

Tabela 11 – Resultados para cada categoria de regime cambial ... 34

Tabela 12 – Resultados para mudanças bruscas ... 37

(17)

1 INTRODUÇÃO

A partir da década de 1950, os mercados financeiros de países centrais desenvolveram-se em proporção e velocidade espantosas. A criação do euromercado, o crescente aumento da liquidez e a adoção de taxas de câmbio flexíveis tornaram estes mercados cada vez maiores e mais interligados.

Mais tardiamente, como aponta a Tabela 1 retirada do trabalho de Bekaert e Harvey (2000), países emergentes passaram por processos de liberalizações financeiras, tornando possível a integração de seus mercados aos de economias desenvolvidas.

Tabela 1 – Abertura dos mercados em economias emergentes

Esta interligação dos mercados foi fomentada pelas chamadas agências de rating. Entre outras atribuições, as agências de rating calculam a probabilidade do governo de determinado país

País Data da Liberalização oficial Introdução do primeiro ADR Introdução do primeiro fundo do país Aumento estimado do fluxo de capital dos EUA para estes países

Argentina nov/89 ago/91 out/91 abr/93

Brasil mai/91 jan/92 out/87 jun/88

Chile jan/92 mar/90 set/89 jan/88

Colômbia fev/91 dez/92 mai/92 ago/93

Grécia dez/87 ago/88 set/88 dez/86

Índia nov/92 fev/92 jun/86 abr/93

Indonésia set/89 abr/91 jan/89 jun/93

Jordânia dez/95 n/a n/a n/a

Coréia jan/92 nov/90 ago/84 mar/93

Malásia dez/88 ago/92 dez/87 abr/92

México mai/89 jan/89 jun/81 mai/90

Nigéria ago/95 n/a n/a n/a

Paquistão fev/91 n/a jul/91 abr/93

Filipinas jun/91 mar/91 mai/87 jan/90

Portugal jul/86 jun/90 ago/87 ago/94

Taiwan jan/91 dez/91 mai/86 ago/92

Tailândia set/87 jan/91 jul/85 jul/88

Turquia ago/89 jul/90 dez/89 dez/89

Venezuela jan/90 ago/91 n/a fev/94

(18)

honrar compromissos associados à dívida pública, analisando características como risco político, renda e estrutura econômica, perspectiva de crescimento, flexibilidade fiscal, estabilidade monetária e endividamento do estado. Para cada intervalo de probabilidade, as agências atribuem um rating soberano, que, segundo Cantor e Packer (1996), sumariza, efetivamente, toda informação contida nestes indicadores macroeconômicos.

Com base nos ratings soberanos, os investidores não só têm uma noção da capacidade de um país em honrar seus compromissos, como também podem fazer comparações entre países.

Neste trabalho, perguntamos em que medida mudanças nos ratings soberanos provém informação relevante para o mercado. Ao contrário da literatura recente – que enfatiza efeitos sobre mercado de ações, títulos e fluxos de capitais – avaliamos empiricamente o impacto sobre taxas de câmbio de países emergentes.

O foco em taxas de câmbio é interessante por dois motivos. O primeiro é que, assim como ações, títulos e derivativos, o câmbio é um ativo financeiro e, portanto, também está sujeito aos movimentos especulativos do mercado. O segundo motivo é que o câmbio é um canal pelo qual passam os demais investimentos estrangeiros. Por exemplo, como conseqüência de um rebaixamento de rating, investidores podem retirar o capital aplicado nos ativos de um determinado país, convertendo-os em dólares ou outra moeda aceita internacionalmente. Este movimento pode levar a uma depreciação na moeda doméstica; o movimento inverso, causado por um upgrade, levaria à apreciação da moeda do país emergente.

Optamos por analisar mercados emergentes porque acreditamos que países com estas características produzam resultados mais interessantes. Kaminsky e Schmukler (2001) afirmam que o impacto gerado pela nova informação introduzida pela agência é mais forte em mercados emergentes, onde os problemas de assimetria de informação e transparência são mais severos. Além disso, os mercados emergentes têm seus ratings alterados com maior freqüência que os países desenvolvidos.

Empregamos a metodologia usual de estudos de evento, com base em dados diários para a taxa de câmbio de 23 países emergentes, entre 1990 e 2007. Mais precisamente, avaliamos o comportamento da taxa de câmbio em intervalos de tempo bastante próximos à alteração de

(19)

câmbio de países que não sofreram alterações nos ratings. Isso nos permite controlar por efeitos agregados a todos os mercados emergentes, como crises globais.

Nossos resultados principais estão em linha com a literatura existente sobre o tema. Tanto no estudo do impacto de ratings de ações quanto no de ratings soberanos, a literatura encontra evidências de reação a downgrades, mas não a upgrades. Nesses casos, os objetos de estudo são preços de ações e títulos de firmas específicas; spreads de títulos públicos e índices de ações; ou ainda, fluxos de capitais. Propomo-nos neste trabalho avaliar, pela primeira vez, o efeito de mudanças de rating sobre a taxa de câmbio de países emergentes, encontrando resultados bastante semelhantes.

Em nossa análise, consideramos separadamente não apenas upgrades, downgrades, mas também início de rating (quando um país passa a ser classificado por alguma das agências de

rating consideradas) – este último evento pode estar associado a uma apreciação da moeda,

pois ao fornecer mais informação sobre o país, pode torná-lo mais atraente aos investidores. Além disso, também consideramos de forma distinta as mudanças entre grau especulativo e grau de investimento.

Nossos resultados apontam para um comportamento assimétrico da taxa de câmbio com relação a mudanças em ratings. Por um lado, encontramos evidências robustas de que

downgrades estão associados a depreciações na moeda doméstica. Por outro, upgrades1

tendem a não provocar mudanças significativas na taxa de câmbio.

Analisamos o comportamento do mercado com relação à antecipação do evento e à rapidez com o que mercado reage a uma mudança/início de rating. Encontramos que, de modo geral, o mercado antecipa o anúncio do evento e age com presteza após o anúncio.

Adicionalmente, discriminamos movimentos de acordo com as três principais agências –

Standard and Poor’s, Moody’s e Fitch – uma vez que há na literatura trabalhos que

encontram resultados distintos conforme a agência analisada. Neste estudo, encontramos, grosso modo, resultados semelhantes entre as agências.

1

Downgrade é uma mudança de rating associada a uma piora da percepção de risco (aumento da probabilidade de default), enquanto que upgrade é uma mudança de rating associada a uma melhora da percepção de risco (diminuição da probabilidade de default).

(20)

Aprofundamos a análise do efeito da mudança/início de rating no câmbio conforme o tipo de regime cambial vigente no país. Encontramos, grosso modo, que quanto mais flexível for o câmbio maior é a sua reação frente a uma mudança/início de rating.

Analisamos em detalhes se mudanças de rating que alteram em mais de um nível na escala de classificação dos ratings apresentam comportamentos diferentes a mudança de apenas um nível. Encontramos que de fato as reações a estas mudanças bruscas são mais exacerbadas que das demais.

O trabalho será apresentado da seguinte forma. Na seção 2 temos um apanhado da literatura correlata. Na seção 3, trazemos uma descrição dos dados que pontua os critérios utilizados para a escolha dos países considerados emergentes, aprofunda a explicação sobre a formação dos ratings, explica e descreve a classificação dos regimes cambiais e, por fim, apresenta a taxa de câmbio utilizada. Na seção 4 explicamos, brevemente, a metodologia utilizada neste trabalho chamada de estudo de eventos. Na seção 5, descrevemos a nossa regressão, as variáveis explicadas, as explicativas e os controles. Na seção 6, temos as estatísticas descritivas e alguns resultados incipientes. Na seção 7, apresentamos os resultados, que serão relacionando à literatura na seção 8. Na seção 9, apresentamos a conclusão do trabalho.

(21)

2 REVISÃO DE LITERATURA

A literatura que estuda o impacto das agências de risco sobre os mercados é vasta e teve início nos anos 70 analisando rating de firmas, isto é, a probabilidade de default que uma agência de risco atribui a uma firma. Desta época até fim dos anos 90 esta literatura se ateve a estudar o impacto da mudança de ratings de firmas dos Estados Unidos no preço de suas ações e títulos. Os trabalhos que tiveram grande influência em nossa análise se encontram na tabela abaixo:

Tabela 2 - Literatura relacionada

Autor e ano Assunto Amostra Metodologia Principais resultados

Gande e Parsley (2007)

mudança no fluxo de capital de fundos de ações

devido a mudanças de rating soberano.

85 países no período de 1996 a 2002 . Estes dados mensais são comercializados no eMergingPortfolio.com

e representa, aproximadamente, 34%

do total do fluxo de capital para mercados

emergentes.

POOLS

downgrades estão associados a grandes fugas de capital enquanto que upgrades

não são significantes.

Martell (2005)

variação nos índices de ações devido a mudanças

de rating soberano.

29 países, dados diários, S&P e Moody's.

estudo de evento

há reação somente a downgrades. A reação é mais forte quando a mudança

é da S&P e não da Moody's.

Gande e Parsley (2005)

efeito que uma mudança de rating soberano tem

sobre outros países.

34 países, 1991 - 2000, S&P e Moody's.

estudo de evento

downgrades afetam significativamente, enquanto upgrades não têm efeito.

Froot, O'Connell,

Seasholes (2001)

analisam o comportamento do fluxo diário de capital

obtido num dos maiores cutodiantes do mundo.

44 países, 1994- 1998. painel retorno e fluxo estão fortemente relacionados.

Dickey e Piotroski (2001)

efeito das mudanças de rating de firmas atribuídos pela Moody's nos preços de

ações.

firmas americanas, 1970 - 1997, Moody's .

estudo de evento

upgrades são insignificantes e downgrades são significantes. Firmas

menores e com pior qualidade de credito sofrem mais com um

rebaixamento de rating.

Kaminsky e Schmukler

(2001)

impacto de mudanças de ratings soberanos nos mercados financeiros.

16 mercados emergentes, 1990 - 2000. Dados diários das

séries: EMBI spreads, retorno de ações, taxas

de juros e ratings.

estudo de evento

mudanças de rating têm efeito no risco país e também no valor das ações.

(22)

Tabela 2 - Literatura relacionada (continuação)

Autor e ano Assunto Amostra Metodologia Principais resultados

Bekaert e Harvey (2000)

impacto de liberalizações financeiras no custo do capital, na volatilidade, no beta e na correlação com o

retorno mundial.

20 mercados emergentes.

estudo de evento

as liberalizações financeiras diminuem o custo do capital, aumentam a correlação com o retorno do mundo e

nada ocorre com a volatilidade.

Bosworth, Collins e Reinhart (1999)

analisam se o fluxo de capital estrangeiro para mercados emergentes é benéfico ou não para estas

economias.

58 países, 1978 - 1995. própria

embora aumente a instabilidade em torno da moeda, mas os benefícios trazidos pelo aumento do fluxo de capital compensa este efeito negativo.

Ederington e Goh (1998)

investigam se é a avaliação de analistas que causam uma mudança no rating ou se a mudança no rating que

causa as mudanças na avaliação dos analistas.

rating de títulos de firmas, Moody's, mensal, jan 1984- dez

1990.

estudo de evento e causalidade

de Granger

os analistas e o mercado respondem a um downgrade dado pela agência, mas não a um upgrade. Além disso, há duplo

sentido de causalidade entre lucros projetados por analistas e mudanças de

rating. Cantor e Packer (1996) os determinantes e os impactos de ratings soberanos. 18 países, 1987 - 1994, Moody's e S&P. estudo de evento

upgrades são significantes e downgrades não. Verificam também que o efeito de uma mudança no rating

soberano nos spreads de títulos é mais forte nos países graus especulativos. Os

resultados são significantes para Moody's e não para a S&P.

Ederington e Goh (1993)

analisam se mudanças de rating de títulos afetam

ações.

dados diários de ações e títulos de empresas, 1984-1986, Moody's.

estudo de evento

separam os downgrades em 2 categorias, uma que indica a dateriorização das condições financeiras da firma devido ao aumento

da alavancagem e a outra engloba os downgrades que não tem estas características. Assim, conclue-se que

os preço da equities só reagem ao primeiro grupo e não ao segundo. Hand,

Holthausen e Leftwich (1992)

o efeito de mudanças de rating de firmas nos preços

de títulos e ações.

dados diários de ações e títulos de empresas, 1977-1982, Moody's e

S&P.

estudo de evento

tanto para ações quanto para títulos, os downgrades são insignificantes e os

upgrades não.

Griffin e Sanvicente

(1982)

analisam se mudanças de rating afetam retorno de

ações. dados mensais de ações, 1960 - 1975, Moody's e S&P. estudo de evento

upgrades insignificantes e downgrades significantes.

Pinches e Singleton (1978)

analisam se a agência de risco traz nova informação

ao mercado.

dados mensais de ações e títulos de empresas,

1950 - 1972, Moody's.

estudo de evento

downgrade e upgrades são significantes e ambos são totalmente antecipados

pelo mercado. Katz (1974) analisam o efeito de mudanças de rating no preço de títulos de empresas de eletricidade. dados mensais de títulos de companhias de eletricidade, 1966-1972, S&P. estudo de evento

upgrades e downgrades são significantes e ambos não são antecipados pelo mercado. Econtram

evidências de efeitos defasados no mercado.

(23)

Trabalhos incipientes, como, por exemplo, Katz (1974), indicavam que todo tipo de anúncio por parte das agências, neste caso da Standard &Poor’s, causavam impacto significativos nos mercados, ou seja, downgrades e upgrades eram significantes. No trabalho de Pinches e Singleton (1978) os resultados encontrados corroboraram aos encontrados por Katz, entretanto utilizaram dados da Moody’s.

Griffin e Sanvicente (1982), usando dados mensais e classificações de ratings da Moody’s e da Standard & Poor’s, foram os primeiros a encontrar evidências de que os preços de ações reagiam a downgrades e não a upgrades.

Trabalhos posteriores chegaram aos mesmos resultados de Griffin e Sanvicente, embora utilizassem técnicas metodológicas mais avançadas e/ou dados mais precisos. Dentre estes trabalhos podemos destacar: Hand, Holthausen e Leftwich (1992), Goh e Ederington (1993), Goh e Ederington (1998) e Dickey e Piotroski (2001).

A partir da década de 90, os estudos sobre os ratings soberanos ganharam espaço em relação aos ratings de firmas. Cantor e Packer (1996) concluíram que os ratings soberanos, no caso da Moody’s e da Standard & Poor’s, resumem toda informação macroeconômica relevante. Acharam evidências de reação estatisticamente significante a upgrades, mas não a

downgrades. Verificaram também que o efeito de uma mudança no rating soberano nos spreads de títulos é mais forte nos países considerados graus especulativos do que nos graus

de investimentos.

Entretanto, mais tarde, o resultado mais freqüente do efeito de mudanças de rating de firmas no retorno de ações - upgrades insignificantes e downgrades significantes - também se tornou o resultado mais freqüente de trabalhos que utilizavam mudanças de rating soberano. Martell (2005), por exemplo, analisando dados diários de retorno de índices de ações e de ratings soberanos da Moody’s e da Standard & Poor’s de 29 países verificou que somente há reação a

downgrades e esta reação é mais forte quando a mudança de rating é aplicada pela Standard and Poor’s.

Nosso trabalho visa analisar o efeito que mudanças de ratings soberanos têm sobre o retorno do câmbio em países emergentes. Dado que por trabalhos anteriores sabemos que o retorno de ações e títulos é impactado, significantemente, por downgrades e não por upgrades,

(24)

acreditamos que o retorno do câmbio tenha uma reação semelhante, pelo fato de ser também um ativo financeiro sujeito aos movimentos especulativos do mercado.

Além disso, acreditamos que este impacto de mudanças de rating sobre o câmbio seja reforçado pelo papel que o câmbio detém de intermediador financeiro entre agentes domésticos e estrangeiros na transação de outros ativos. Por exemplo, se um estrangeiro quer comprar a ação de uma empresa de um país emergente dentro deste país, ele precisa converter sua moeda para a moeda local para efetuar a transação. Trabalhos como de: Froot, O’Connell e Seasholes (2001); Gande e Parsley (2005) e Gande e Parsley (2007) fundamentam essa nossa percepção.

A escolha por analisar apenas países emergentes se deve a argumentos e conclusões como os encontrados nos trabalhos de Bosworth, Collins e Reinhart (1999); Bekart e Harvey (2000); Cantor e Packer (1996) e Kaminsky e Schmukler (2001). De um modo geral, estes trabalhos se deparam com resultados mais interessantes quando analisam emergentes, pois estes são mais voláteis e apresentam problemas de assimetria de informação mais severos.

(25)

3 DADOS

Consideramos, na nossa amostra, o conjunto de países emergentes que, grosso modo, compõem o EMBI+(Emerging Markets Bond Index Plus)2 juntamente com a Índia. Para cada país que compõem a nossa amostra, extraímos da Bloomberg o histórico da cotação diária do câmbio nominal, moeda doméstica/US$, preço de fechamento. A partir destas informações, calculamos o retorno da moeda estrangeira no país i, dia t, de acordo com a expressão a seguir:

1 R lnE ln E 

Em que E é a cotação da moeda do país i no dia t.

Portanto, neste caso, um retorno positivo expressa uma depreciação da moeda doméstica frente ao dólar, ao passo que um retorno negativo está associado a uma apreciação da mesma. Utilizamos, ainda, o histórico diário de ratings soberanos atribuídos aos países que compõem a nossa amostra pelas agências principais, Standard and Poor’s, Moody’s e Fitch.

Conforme esclarecido pelas próprias agências em seus respectivos websites (http://www2.standardandpoors.com; http://www.moodys.com; http://www.fitchratings.com) o rating de crédito soberano avalia a capacidade e disposição de um governo para honrar, pontual e integralmente, o serviço de sua dívida. A avaliação da qualidade creditícia de cada governo soberano é quantitativa e qualitativa. Os aspectos quantitativos incluem várias

2

O EMBI+ foi criado pelo Banco JP Morgan em dezembro de 1993 e serve como benchmark das

condições de mercado dos títulos de economias emergentes denominados em moeda estrangeira, dado que compara os juros implícitos nos preços pelos quais os títulos emitidos por governos trocam de mãos, aos juros

dos títulos do governo americano, considerados os mais seguros do mundo.

A seleção dos países integrantes do EMBI+ tem como critério as notas concedidas por empresas de

classificação de crédito, como a Moody's Investors Service e a Standard & Poor's. Um país precisa ter nota BBB+/Baa1 ou inferior para ser incluído no índice. Os critérios para a inclusão do título no índice são: grande

liquidez dos títulos da dívida, emissão mínima de US$ 500 milhões e, a contar da data de ingresso no índice, o título precisa ter pelo menos dois anos e meio até o vencimento.

(26)

medidas de desempenho econômico e financeiro, bem como as obrigações contingenciais, embora o julgamento sobre a integridade desses dados seja uma questão mais qualitativa. Tal análise é também qualitativa por causa da importância dos desdobramentos políticos e das políticas adotadas pelos governos soberanos.

Podemos destacar dez categorias que influenciam a estrutura analítica dos ratings soberanos: risco político, renda e estrutura econômica, perspectiva de crescimento econômico, flexibilidade fiscal, carga da dívida do governo, passivos contingenciais e no exterior, estabilidade monetária, liquidez externa, carga do endividamento externo do setor público, carga do endividamento externo do setor privado.

A tabela abaixo ilustra as notas atribuídas pelas agências de rating ordenadas pelos seus respectivos riscos. Ressalta-se que a cada nota corresponde uma probabilidade de default, ou seja, quanto pior a nota maior o risco de inadimplência apresentado pelo ativo.

(27)

Tabela 3 - Classificação dos Ratings

As notas não são diretamente comparáveis entre as agências, uma vez que cada agência possui uma metodologia diferente para cálculo da probabilidade de default.

De acordo com a tabela 1 há uma divisão em dois grandes grupos: grau de investimento e grau especulativo. Um país considerado grau de investimento tem uma baixa probabilidade de

Fitch Moody’s Standard & Poor’s

menor AAA Aaa AAA

AA+ Aa1 AA+

AA Aa2 AA

AA- Aa3

AA-A+ A1 A+ A A2 A A- A3 A-BBB+ Baa1 BBB+ BBB Baa2 BBB BBB- Baa3 BBB-BB+ Ba1 BB+ BB Ba2 BB BB- Ba3 BB-B+ B1 B+ B B2 B B- B3 B-CCC+ Caa1 CCC+ CCC Caa2 CCC CCC- Caa3 CCC-CC Ca CC C C C RD D maior D NA WR NR G R A U D E I N V E S T IM E N T O G R A U E S P E C U LA T IV O Classificação dos Ratings não há classificação

(28)

se tornar inadimplente enquanto que para um país que é classificado como grau especulativo esta probabilidade é alta.

Esta separação entre grau de investimento e grau especulativo é decisiva para os países receberem certos tipos de investimentos. Isto porque vários fundos de pensão e outras categorias de investimento mais conservadoras são impedidos por suas legislações de investirem em países classificados como grau especulativo.

Sendo assim, em nosso trabalho, faremos uma distinção para downgrades e upgrades que mudem a classificação do país entre grau de investimento e grau especulativo.

Conforme indicado pela Tabela 4, o início dos dados citados acima varia conforme o país analisado. Entretanto, para qualquer país todos os dados se estendem até 31/12/2007.

Tabela 4 - Início dos dados para cada país

País Câmbio S&P Moody's Fitch

Brasil 16/01/1992 30/11/1994 16/01/1992 01/12/1994 Argentina 06/01/1992 25/08/1993 06/01/1992 28/05/1997 México 02/01/1990 29/07/1992 20/02/1991 30/08/1995 Peru 13/08/1992 18/12/1997 20/07/1999 14/10/1999 Colômbia 20/08/1992 21/06/1993 04/08/1993 19/05/2000 Venezuela 02/01/1990 02/01/1990 02/01/1990 15/09/1997 Equador 17/06/1993 31/07/2000 25/07/1997 11/11/2002 Chile 02/01/1990 07/12/1992 25/05/1999 10/11/1994 Panamá 02/01/1990 22/01/1997 22/01/1997 na Rússia 12/07/1993 07/10/1996 22/11/1996 07/10/1996 Turquia 03/01/1990 28/04/1994 05/05/1992 10/08/1994 Polônia 21/06/1993 01/06/1995 01/06/1995 26/10/1995 Bulgária 17/06/1993 23/11/1998 27/09/1996 17/04/1998 Filipinas 06/11/1991 30/06/1993 01/07/1993 na Marrocos 03/01/1990 03/03/1998 22/07/1999 19/04/2007 Nigéria 22/03/1994 06/02/2006 na 30/01/2006 Indonésia 06/11/1991 07/12/1992 14/03/1994 04/06/1997 Egito 29/06/1993 15/01/1997 06/07/2001 07/08/1997 Malásia 02/01/1990 13/09/1990 02/01/1990 13/08/1998 África do Sul 02/01/1990 03/10/1994 03/10/1994 22/09/1994 Ucrânia 06/10/1994 21/12/2001 06/02/1998 13/06/2001 China 02/01/1990 07/12/1992 02/01/1990 11/12/1996 Índia 02/01/1990 07/12/1992 28/07/1999 08/03/2000

(29)

Conforme o regime cambial vigente no país, o efeito de uma mudança de rating sobre o câmbio pode ser completamente distinto. Por exemplo, para um país que adota um regime de câmbio fixo, uma mudança de rating soberano, grosso modo, não deveria gerar mudanças na sua cotação, pois nestes casos, por mais que haja um forte demanda ou oferta da moeda do país ocasionada pela mudança de rating, o Banco Central do país compra ou vende dólares de modo a manter a cotação de sua moeda inalterada. Por outro lado, quanto mais flexível for regime cambial, maior seria o efeito de uma mudança de rating sobre o câmbio. Sendo assim, para não incorrer em tal problema, controlaremos nossa análise pelo regime cambial vigente em cada país.

Estes dados foram extraídos do trabalho de Reinhart e Rogoff (2004) que desenvolvem uma classificação a cerca dos regimes cambiais adotados pelos países superior à utilizada pelo FMI - considerada a classificação oficial.

Em busca de uma melhor classificação do que a atribuída pelo FMI, que, como demonstrado por estes autores, é ligeiramente melhor que uma classificação aleatória, eles adotam várias inovações em sua metodologia, por exemplo, dados ignorados pelo FMI, como as várias cotações de câmbio dos países que adotam taxas múltiplas de câmbio e dados do mercado paralelo de câmbio são incorporados à análise de Reinhart e Rogoff.

Outra melhoria desenvolvida por estes autores é a construção e utilização de um relatório do histórico das taxas de câmbio e dos seus fatores relacionados, tais como, reformas no regime cambial e medidas de controle de câmbio. Este relatório auxilia distinguir o que os países anunciam como regime oficial e o que de fato praticam. O FMI considera na sua classificação apenas o regime cambial oficial o que, como apontado por Reinhart e Rogoff, se mostra uma estratégia equivocada de classificação.

Por fim, os autores introduzem uma nova categoria de regime cambial, freely falling, para os casos onde a taxa de inflação do país é igual ou superior a 40 % ao ano. Concluem que países com esta característica devem ser tratados de forma diferenciada dos demais devido aos efeitos que a alta inflação tem sobre o câmbio e a expressividade desta categoria, que, em certas épocas, chega a englobar três vezes mais países do que o regime de câmbio flexível. Como apresentado na Tabela 5, com a adição deste novo grupo temos seis possíveis categorias de regimes cambiais no trabalho de Reinhart e Rogoff (2004).

(30)

Tabela 5 - Descrição dos regimes cambiais

O processo adotado por estes autores para classificar o regime cambial de um país se inicia pela separação dos países que adotam taxas múltiplas de câmbio e/ou que possuam um mercado paralelo de câmbio dos demais países. Em seguida, checam se há algum anúncio oficial de qual seria o regime cambial adotado (fixo, flutuação ao redor de uma banda etc). Nos casos em que há anúncios, checam se o regime cambial anunciado é o mesmo que o de fato adotado, em caso positivo este será o regime cambial considerado na classificação. Mas, se o anúncio oficial não condiz com o regime praticado então a classificação do regime é dada pela observação das estatísticas. Nos casos em que não há anúncio a classificação é feita com base nas estatísticas.

Os países que não se encaixaram em nenhuma categoria anterior são fortes candidatos a possuírem regime de câmbio flexível administrado ou regime de câmbio flexível. A distinção entre as duas classificações se dá por vários testes e análises de gráficos.

Categoria de regime cambial (rc) Descrição

1 regimes rígidos de câmbio fixo

2

regimes de câmbio fixo que permitem

depreciações/apreciações de forma bem gradual

3

o câmbio flutua ao redor de uma banda (regime de câmbio flexível administrado)

4 regimes de câmbio flexíveis

5

categoria criada por estes pesquisadores é atribuída a países que apresentam uma inflação anual superior a 40%

(31)

4 ESTRATÉGIA EMPÍRICA

A metodologia utilizada neste trabalho é baseada na literatura sobre “estudos de eventos” - amplamente discutida em trabalhos como o de Brown e Warner (1980, 1985), MacKinlay (1997) e Khotari e Warner (2006). A idéia é diagnosticar se o retorno do ativo no dia do evento é anormal, ou seja, estatisticamente diferente do retorno costumeiro (normal) do ativo. Se assim for, concluímos que o evento tem impacto no retorno do ativo.

Primeiramente, definem-se o ativo e o evento analisados. Neste trabalho, o evento em questão é a mudança de rating soberano e o ativo analisado é o câmbio nominal. Conforme ilustrado pela Figura 1, considera-se o dia do evento como o tempo zero e, conseqüentemente, o período antes do zero é o período anterior ao evento, enquanto que o período depois do zero é o período posterior ao evento.

Figura 1- Linha do tempo

O período anterior ao evento - chamado de janela de estimação - é utilizado para calcular o retorno normal do ativo, ou seja, o retorno do ativo sem a influência do evento. O retorno anormal é a diferença do retorno do dia do evento menos o retorno normal.

Existem inúmeras maneiras de calcular o retorno normal. A mais simples delas é considerar o retorno normal constante e calculá-lo como a média aritmética simples dos retornos diários no período anterior ao evento como descrito na equação (2).

2      

T

1

0 T

2

T

0

T

3

(32)

Em que  e  são, respectivamente, o retorno efetivo e o retorno normal do ativo  no tempo .

Utilizaremos neste trabalho o retorno normal constante. A escolha desta forma de cálculo se deve às conclusões de Brown e Warner (1980, 1985) que demonstraram que este modelo produz resultados muito similares aos dos modelos mais sofisticados3. Adiciona-se a isto o fato dos modelos mais rebuscados terem sido desenvolvidos para tratar, especificamente, de ações. Conseqüentemente, o retorno anormal neste trabalho é calculado conforme a equação abaixo:

3       



Em que  é o retorno anormal do ativo  no tempo 0.

A escolha de  e  também fica a critério do pesquisador. A literatura definiu como horizonte longo a distância entre  e  maior ou igual a 1 ano; caso contrário o horizonte é considerado curto.

Brown e Warner (1985) mostram que quanto maior for a distância entre  e , ou seja, quanto maior for a janela da estimação do retorno normal, mais suscetível a erros estará a estimação. Isto ocorre porque, ao longo do tempo, outros eventos podem modificar estruturalmente o retorno do ativo. Portanto, num espaço de tempo maior, o retorno normal calculado pode ficar “poluído” com o efeito de outros eventos.

Ao mesmo tempo, uma janela de estimação curtíssima tende a agravar o viés do retorno normal, pois se há outro evento neste período, seu efeito não consegue ser diluído no tempo.

3

Dentre uma extensa gama de opções de cálculo do retorno normal, destacam-se: o modelo de

mercado o qual relaciona o retorno de uma ação específica ao retorno de um portfólio e o modelo que o retorno normal é calculado utilizando a metodologia do CAPM.

(33)

Dada a falta de metodologia para a escolha do tamanho da janela, disseminou-se o uso de janelas de 239 e de 30 dias. Ambos considerados como horizontes curtos, entretanto bem distintos entre si, o que possibilita captar algum resultado que difira devido ao tamanho da janela. Neste trabalho, analisaremos com mais detalhes apenas os resultados obtidos utilizando a janela de estimação de 30 dias, dado que os resultados gerais não apresentam diferenças significativas conforme a janela de estimação utilizada (30 e 239 dias).

Além de identificar se o evento afeta significativamente o retorno do ativo, a literatura mais recente faz uso de tal metodologia para identificar mais dois fatores de interesse: a antecipação do mercado ao anúncio do evento e a existência de efeitos defasados após o anúncio do evento.

Para verificar se um evento é antecipado ou não, calcula-se o retorno anormal para alguns dias que antecedem o evento. Se estes retornos anormais forem estatisticamente diferentes de zero conclui-se que o evento foi antecipado.

O mesmo procedimento é adotado para verificar a existência de efeitos defasados (timing da resposta do mercado ao anúncio), entretanto os retornos anormais analisados são aqueles posteriores ao dia do evento.

Nomeia-se janela do evento o período que se estende desde o primeiro dia utilizado para captar a antecipação do evento, passando pelo dia do anúncio do evento até o último dia do período considerado para captar os efeitos defasados do mercado. Na figura 1, podemos identificar a janela do evento entre  e !. Neste trabalho,   6 e !  #6. O valor de  varia conforme a escolha do tamanho da janela de estimação, isto é, 239 ou 30 dias.

Outro conceito muito disseminado e, também, utilizado neste trabalho é o cálculo e análise do retorno anormal acumulado. A possibilidade de haver antecipação do evento e efeitos defasados torna a análise do retorno anormal acumulado mais adequada para diagnosticar o efeito de um evento no retorno de um ativo.

Definimos o retorno anormal acumulado como sendo a soma dos retornos anormais de cada dia que compõem a janela do evento como ilustrado na equação abaixo:

(34)

5 % # 1, ! 1  ∑( 

Em que % # 1, ! 1 é o retorno anormal acumulado calculado de # 1 a ! 1. Neste trabalho será analisado o CAR(-5,+5) e CAR(-1,+1) para avaliar o efeito do evento no retorno do ativo. Como o evento pode ser antecipado e/ou o mercado pode demorar a reagir ao anúncio do evento nossas conclusões finais serão estabelecidas pela análise do CAR(+5,-5). E para tentar capturar estes efeitos separadamente, também analisaremos o CAR(-5,-1) para verificar a antecipação do mercado e o CAR(+2,+5) para verificar a existência de efeitos defasados.

A análise do CAR(+2,+5) ao invés do CAR(+1,+5) para captar os movimentos tardios do mercado se deve ao fato de um anúncio de mudança de rating poder ser feito num horário em que o mercado financeiro do país já esteja fechado e, portanto, em casos como este, a reação do mercado apenas no dia seguinte ao anúncio não poder ser interpretada como uma reação tardia.

(35)

5 ESTIMAÇÃO

Este trabalho faz uso da metodologia de “estudo de eventos”, embora difira da abordagem usual porque considera num dia de evento não só os dados da moeda do país que sofreu a mudança de rating como também os dados das moedas dos demais países analisados. Se utilizássemos a metodologia usual, num dia de evento empregaríamos na estimação apenas os dados do país que sofreu a mudança de rating.

Esta nova abordagem possibilitou a inclusão na estimação de uma dummy para identificar cada um dos dias de evento, permitindo, assim, controlar a análise por efeitos agregados, como, por exemplo, crises globais que afetem todos os países ou ainda uma eventual apreciação/depreciação do dólar em relação ao resto do mundo etc.

O modelo básico estimado é representado pela equação (6):

(6) )* + #,-./* # ,!01*# ,2345* # ,6-./5* # ,7015*# ,83455* # 9!%2*# 92%3*# 96%4* # 97%5* # ; # <* # =*

As variáveis explicadas no nosso modelo são os retornos anormais acumulados: CAR(-5,+5), CAR(-1,+1), CAR(-5,-1) e CAR(+2,+5). Além dos retornos anormais de cada dia integrante da janela do evento, isto é, o retorno anormal no quinto dia antes do evento; o retorno anormal no quarto dia antes do evento, assim sucessivamente até chegar ao retorno anormal do quinto dia posterior ao evento.

As variáveis explicativas são dummies que assumem valor 1 se ocorreu o evento e zero caso contrário. Os eventos upgrade, downgrade e início de rating sãorepresentados pelas variáveis up, down e begin, respectivamente. E os upgrades, downgrades e inícios de rating que mudam a classificação do país entre grau de investimento e grau especulativo são representados pelas variáveis dummies upig, downig e beginig, respectivamente.

Desta forma, um downgrade que rebaixe o país de grau de investimento para grau especulativo é representado pela variável down assumindo valor um e a variável downig

(36)

também assumindo valor um, enquanto que um downgrade que não mude a classificação entre grau especulativo e de investimento é representado pela variável down assumindo valor um e downig assumindo valor zero. Esta abordagem permite que o efeito seja diferente para cada um dos casos.

Em alguns exercícios permitimos que o efeito fosse distinto entre as agências consideradas. Cada uma das seis variáveis acima é diferenciada pela agência a qual efetua a mudança de

rating, isto possibilita, por exemplo, que um downgrade efetuado pela agência Standard and Poor’s tenha uma efeito distinto a um downgrade aplicado pela Moody’s.

Utilizamos como variáveis controles: dummies para países, dummies identificando o dia do evento e variáveis que identificam o regime cambial do país no período do evento. A finalidade destas variáveis é, respectivamente, controlar por características do país que não variam no tempo, controlar por efeitos agregados e, por fim, acreditamos que a resposta do retorno do câmbio aos eventos tratados depende do regime cambial vigente no país.

(37)

6 ESTATÍSTICA DESCRITIVA

Em nossa amostra, há 457 eventos (mudança ou início de rating soberano), em 398 dias distintos. Isto significa que há dias marcados por dois ou mais eventos que podem ou não estar associados ao mesmo país. Como podemos observar na tabela abaixo, os eventos são relativamente bem distribuídos entre as agências. Temos, ainda, 43 eventos que mudam a classificação do país entre grau de investimento e grau especulativo.

Tabela 6 - Estatística descritiva das variáveis explicativas

A Tabela 7 apresenta o regime cambial de todos os países que compõem a amostra nos dias de eventos. Como podemos observar mais de 80% dos países adotam uma das três categorias de regime cambial: fixo rígido, fixo que permite pequenas apreciações/depreciações ou administrado.

Variável Moody's Fitch S&P Total

begin 17 21 22 60 up 92 67 87 246 down 54 37 60 151 Total 163 125 169 457 beginig 3 6 6 15 upig 5 7 7 19 downig 3 3 3 9 Total 11 16 16 43 Percentual beginig/begin 18% 29% 27% 25% upig/up 5% 10% 8% 8% downig/down 6% 8% 5% 6% Número de casos

(38)

Tabela 7 – Estatística descritiva das variáveis explicativas

A Tabela 8 apresenta um teste t simples da média das variáveis explicativas CAR(-1,+1) e CAR(-5,+5) para cada tipo de evento tratado neste trabalho - hipótese nula é que o retorno anormal acumulado é igual a zero e, portanto, o evento não afeta o retorno do câmbio. Vale ressaltar que os resultados obtidos a partir desta análise são não condicionais.

Esta simples análise já aponta fatos interessantes. De modo geral, todos os eventos parecem não afetar a taxa de câmbio dos países selecionados, ou seja, não há nenhuma apreciação ou depreciação estatisticamente significante como conseqüência de uma mudança/início de

rating. A única exceção é a variável CAR(-1,+1) quando o evento considerado é um downgrade. Neste caso, há uma depreciação, estatisticamente significante, da moeda do país

que sofreu o rebaixamento de rating. E esta depreciação é, em média, de 1,7%.

Este resultado prévio está em linha com os achados na literatura de que há uma reprecificação, estatisticamente significante, dos ativos em decorrência a um rebaixamento de

rating. Além disso, como esperado, o movimento da moeda em resposta a um downgrade é de

perda de valor, ou seja, há uma depreciação da moeda do país que foi rebaixado.

Esta análise também nos permite verificar que o efeito significante do rebaixamento de rating está bem concentrado ao redor do dia do evento (downgrade), uma vez que o evento foi significante apenas para o CAR(-1,+1) e não para o CAR(-5,+5).

Variável Percentual na amostra

RC1 27,40% RC2 26,52% RC3 29,42% RC4 6,15% RC5 6,72% RC6 3,79%

(39)

Tabela 8 – Estatística descritiva de CAR(-1,+1) e CAR(-5,+5) condicionados a ocorrência de evento

Variável Evento Média Desvio Padrão

begin -0,0002 0,0018 -0,0038 0,0033 up -0,0004 0,0009 -0,0022 0,0014 down 0,0170 0,0066 0,0039 0,0300 beginig 0,0004 0,0015 -0,0028 0,0035 upig -0,0020 0,0021 -0,0065 0,0025 downig 0,0226 0,0117 -0,0045 0,0497 begin 0,0019 0,0034 -0,0048 0,0087 up -0,0005 0,0013 -0,0030 0,0020 down 0,0145 0,0091 -0,0034 0,0324 beginig 0,0008 0,0016 -0,0027 0,0042 upig -0,0020 0,0033 -0,0090 0,0050 downig -0,0622 0,0438 -0,1632 0,0389 [Intervalo de confiança 95%] C A R (-1 ,+ 1 ) C A R (-5 ,+ 5 )

(40)

7 RESULTADOS

A apresentação dos resultados está dividida em 5 subseções. Começamos, na subseção 1, com a discussão dos resultados do modelo básico representado pela equação (6). Nesta subseção, relatamos quais eventos são estatisticamente significantes, descrevemos o movimento de reação do câmbio em resposta aos eventos tratados, analisamos se há ou não antecipação das mudanças de rating pelos mercados, assim como se há ou não efeitos defasados, e, por fim, apresentamos o efeito do evento sobre o câmbio dia-a-dia no período de circunvizinhança do evento.

Na subseção 2, analisamos os resultados das estimações diferenciando os eventos por agência (Moody’s, Standard & Poor’s e Ficth). Na subseção 3, analisamos os resultados separadas para cada tipo de regime cambial. Na subseção 4, avaliamos a reação do câmbio a movimentos “bruscos” de mudança de rating, isto é, quando num anúncio a reclassificação do

rating muda em mais de um nível na escala da agência. Finalmente, na subseção 6, através de

simulações, avaliamos a robustez dos nossos resultados.

7.1 Modelo básico

A Tabela 9 apresenta os resultados da estimação da equação (6) utilizando como variáveis dependentes os retornos anormais acumulados (CAR(-1,+1), CAR(-5,+5), CAR(+2,+5) e CAR(-5,-1) que estão representados, nesta ordem, nas colunas da tabela da esquerda para a direta).

Esta análise é condicional a todos os eventos, aos regimes cambiais adotados pelos países, às características dos países que não mudam no tempo e aos dias dos eventos.

(41)

Tabela 9 – Resultados do modelo básico

No que se refere às variáveis CAR(-1,+1) e CAR(-5,+5), as quais nos indicam como o câmbio reage aos eventos, podemos observar nas duas primeiras colunas da Tabela 9 que há uma correlação negativa entre o retorno do câmbio e um upgrade ou início de rating, isto significa que o câmbio aprecia em resposta a qualquer um destes dois eventos, já a correlação entre

downgrades e o câmbio é positiva, ou seja, o câmbio deprecia como resposta ao downgrade.

Embora as relações do câmbio com os principais eventos estejam de acordo com o esperado, apenas o evento downgrade foi estatisticamente significante. Este resultado vai ao encontro das conclusões da literatura que analisa o efeito de mudanças de rating.

Podemos observar também que a magnitude do coeficiente (associados a downgrades) de CAR(-1,+1) é exatamente igual a da análise não condicional destas mesmas variáveis, implicando uma depreciação do câmbio da ordem de 1,7%, entre o dia que precede e o que sucede o anúncio do evento, em reação a um downgrade. Vale ressaltar que na análise não condicional, o único coeficiente que se mostrou estatisticamente diferente de zero foi justamente o do CAR(-1,+1) associado a um downgrade.

CAR(-1,+1) CAR(-5,+5) CAR(+2,+5) CAR(-5,-1)

begin -0,004 -0,004 0,000 -0,002 (0,324) (0,596) (0,874) (0,650) up -0,001 -0,002 0,000 -0,001 (0,673) (0,581) (0,717) (0,560) down 0,017 0,023 -0,001 0,013 (0,000)*** (0,000)*** (0,525) (0,000)*** downig 0,008 -0,045 -0,007 -0,038 (0,347) (0,005)*** (0,248) (0,000)*** upig -0,002 0,001 -0,001 0,003 (0,793) (0,917) (0,845) (0,620) beginig 0,004 0,002 0,000 -0,001 (0,629) (0,907) (0,941) (0,907) N-observações 8693 8727 8627 8666 R2 0,072 0,068 0,071 0,071

dummies de pais, dummies de dia de evento e controles para regimes cambiais estão sempre incluídos *significante a 10%, ** significante a 5% e *** significante a 1%

(42)

A magnitude do coeficiente (associados a downgrades) de CAR(-5,+5) é igual a 2,3%, portanto superior ao encontrado para o CAR(-1,+1), sugerindo que o movimento de depreciação da moeda em resposta a um downgrade ou é antecipado pelo mercado – a moeda deprecia antes mesmo do anúncio da mudança – ou há efeitos defasados – a moeda continua depreciando nos dias que sucedem o anúncio da mudança de rating. Entretanto, embora exista esta diferença entre estes coeficientes, ela é pequena, indicando que grande parte do movimento do câmbio, em resposta a downgrades, acontece bem próximo à vizinhança do evento.

O coeficiente do downig na estimação cuja variável dependente é o CAR(-5,+5) se mostrou estatisticamente significante, entretanto estes resultados não são robustos. Além de serem apenas nove observações para este tipo de evento, como ficará claro na seção seguinte, um evento isolado que torna este coeficiente estatisticamente significante.

A análise dos resultados veiculados a variável CAR(+2,+5), terceira coluna da Tabela 9, mostra que não existe movimentos defasados no mercado. Ou seja, o efeito de uma mudança de rating na taxa de câmbio ocorre antes ou imediatamente após o anúncio.

Já pela análise dos resultados veiculados a variável CAR(-5,-1), quarta coluna da Tabela 9, concluímos que o mercado antecipa um downgrade. Isto significa que antes mesmo do anúncio do rebaixamento de rating, o câmbio já sofre uma depreciação estatisticamente significante. Novamente, nesta coluna, o coeficiente de downig se mostrou significante, mas como já mencionado este resultado não é robusto.

Diante destes resultados concentraremos nosso trabalho na análise do evento downgrade.

A fim de mapear o movimento do câmbio dia a dia em resposta a um downgrade, estimamos regressões cujas variáveis explicadas são os retornos anormais de cada dia integrante da janela do evento, os resultados estão na Figura 2. Por exemplo, a primeira barra da esquerda para a direita representa o coeficiente da variável down em uma regressão cuja variável dependente é o retorno anormal do quinto dia anterior ao anúncio do evento.

(43)

Figura 2 – Retorno anormal diário -0,003 0,006 0,007 0,008 0,007 0,005 0,007 -0,006 5 dias antes 4 dias antes 3 dias antes 2 dias antes 1 dia antes dia do evento 1 dia depois 2 dias depois 3 dias depois 4 dias depois 5 dias depois

Retorno anormal diário

(44)

A Figura abaixo apresenta o efeito acumulado dia a dia no câmbio em resposta a um

downgrade.

Figura 3 – Retorno anormal acumulado diariamente

Pelos gráficos acima podemos observar a dinâmica das moedas nos cinco dias anteriores e nos cinco dias posteriores a um downgrade. Desta forma, verificamos que, grosso modo, a depreciação do câmbio em reação a um downgrade inicia-se ao redor do terceiro dia antes do anúncio do evento e, esta depreciação tem continuidade até o segundo dia após o anúncio do

downgrade. Após este período, ou o câmbio se mantém estável ou ele passa a apreciar. 5 dias antes 4 dias antes 3 dias antes 2 dias antes

1 dia antes dia do evento 1 dia depois 2 dias depois 3 dias depois 4 dias depois 5 dias depois

Retorno anormal acumulado diariamente

(45)

7.2 Separação entre agências

Nesta subseção, estimamos os retornos anormais acumulados (CAR(-1,+1), CAR(-5,+5), CAR(+2,+5) e CAR(-5,-1)) em função dos eventos discriminados por agência de rating, controlando pelos regimes cambiais adotados pelos países, pelas características dos países que não mudam no tempo e pelos dias dos eventos. Desta forma, permitimos que as mudanças/inícios de rating apresentem efeitos distintos entre as agências.

(46)

Tabela 10 – Resultado por agência

CAR(-1,+1) CAR(-5,+5) CAR(+2,+5) CAR(-5,-1) Moody's up 0,000 -0,001 0,001 -0,001 (0,97) (0,66) (0,51) (0,77) down 0,010 0,004 -0,003 0,014 (0,11) (0,23) (0,20) (0.000)*** begin -0,023 -0,008 -0,006 -0,008 (0.062)* (0,22) (0,21) (0,27) upig -0,008 -0,006 -0,004 0,001 (0,70) (0,59) (0,60) (0,95) downig -0,007 0,001 -0,011 -0,013 (0,83) (0,94) (0,41) (0,49) beginig 0,016 0.007 0,002 0,008 (0,58) (0,64) (0,83) (0,65) N-observações 8727 8693 8627 8666 R2 0,071 0,076 0,077 0,073

Standard and Poor's

up -0,002 -0,005 -0,002 -0,002 (0,49) (0,30) (0,26) (0,60) down 0,013 0,013 0,002 0,010 (0.000)*** (0.022)** (0,36) (0.005)*** begin -0,001 0,014 0,006 0,005 (0,86) (0,21) (0,23) (0,46) upig 0,003 0,012 0,003 0,006 (0,74) (0,50) (0,72) (0,59) downig 0,001 -0,026 0,042 -0,041 (0,96) (0,31) (0.000)*** (0.010)** beginig 0.002 -0,013 -0,005 -0,006 (0,87) (0,56) (0,63) (0,64) N-observações 8727 8693 8627 8666 R2 0,071 0,076 0,077 0,073 Fitch up 0,002 0,001 -0,001 -0,001 (0,59) (0,86) (0,83) (0,86) down 0,036 0,053 -0,005 0,024 (0.000)*** (0.000)*** (0,12) (0.000)*** begin 0,000 -0,002 -0,001 -0,003 (0,95) (0,83) (0,81) (0,70) upig -0,004 -0,003 -0,001 0,002 (0,68) (0,85) (0,88) (0,83) downig 0,014 -0,101 -0,053 -0,059 (0,34) (0.000)*** (0.000)*** (0.000)*** beginig -0.001 -0,003 -0,001 -0,004 (0,92) (0,91) (0,95) (0,76) N-observações 8727 8693 8627 8666 R2 0,071 0,076 0,077 0,073

dummies de pais, dummies de dia de evento e controles para regimes cambiais estão sempre incluídos *significante a 10%, ** significante a 5% e *** significante a 1%

(47)

Através da análise do CAR(-1,+1) e CAR(-5,+5), primeira e segunda coluna da Tabela 10, verificamos que nosso evento de principal interesse (downgrade) é estatisticamente significante apenas quando atribuídos pelas agências Standard & Poor’s e Fitch e, portanto, não quando aplicado pela Moody’s. Na literatura, a maioria dos trabalhos nesta mesma linha de estudo consideram em suas análises apenas as agências Standard & Poor’s e Moody’s, sendo que existem trabalhos que, assim como o nosso, apontam para uma reação mais forte a mudanças atribuídas pela Standard & Poor’s do que as efetuadas pela Moody’s, como em Martell (2005), enquanto que outros trabalhos mostram o contrário, como é o caso do Cantor e Packer (1996).

Comparando o impacto gerado por um downgrade atribuído pela Fitch ao de um atribuído pela Standard & Poor’s, concluímos que o primeiro gera uma depreciação da moeda mais forte que o segundo (5,3% e 1,3%, nesta ordem).

Podemos destacar também que a depreciação da moeda em resposta a um downgrade atribuído pela Standard & Poor’s ocorre quase que completamente entre o dia que antecede e o que sucede o evento. Enquanto que quando comparamos com a Fitch, constatamos que os valores referentes às variáveis CAR(-1,+1) e CAR(-5,+5) são distintos e, portanto, o câmbio sofre depreciação significativa fora do intervalo mais próximo ao evento (do dia anterior ao evento ao dia seguinte ao evento).

Pela análise da quarta coluna da Tabela 10, concluímos que o mercado se antecipa a um rebaixamento de rating, pois ocorre uma depreciação da moeda antes mesmo do anúncio do

downgrade, seja este atribuído por qualquer uma das três agências.

Já pela análise da terceira coluna da Tabela 10, concluímos novamente que, grosso modo, não existem efeitos defasados.

Vale ressaltar que os resultados encontrados para a variável downig não são robustos dado que existem apenas três observações referentes a este tipo de evento para cada uma das agências. Neste sentido, temos que, por exemplo, o resultado encontrado na seção anterior analisando o CAR(-5,+5), de que o downig gera uma apreciação da moeda, é totalmente viesado por um único evento deste tipo atribuído pela Fitch.

(48)

7.3 Separação por regime cambial

Nesta subseção, permitimos que o efeito da mudança de rating seja diferente entre os regimes cambiais. Separamos a amostra em seis subamostras dependendo do regime cambial, de forma que, num dia de evento, entre na estimação somente países que naquele momento adotavam o mesmo regime cambial do país que sofreu a mudança/início de rating. Em síntese, acreditamos que o movimento da cotação do câmbio em reação a mudanças de rating seja mais forte quanto mais flexível for o regime cambial.

Na Tabela 11, encontram-se os resultados separando a amostra por regime cambial. Vale ressaltar que para os países que adotam câmbio flexível (RC4) e para os que adotam regimes cambiais com duas ou mais taxas de câmbio (RC6) não foi possível fazer a estimação devido à insuficiência de dados. Os países que adotam RC4 e RC6 representam, respectivamente, apenas 6,1% e 3,8% da amostra.

Tabela 11 – Resultados para cada categoria de regime cambial

RC1 RC2 RC3 RC5 RC1 RC2 RC3 RC5 begin 0,001 -0,002 0,007 0,012 0,000 0,002 0,008 -0,017 (0,97) (0,69) (0,39) (0,76) (1,00) (0,58) (0,16) (0,44) up -0,002 -0,003 -0,001 0,031 -0,001 -0,001 -0,001 0,018 (0,83) (0,11) (0,63) (0,53) (0,77) (0,28) (0,56) (0,52) down -0,010 0,019 -0,010 0,049 -0,005 0,008 -0,004 0,028 (0,34) (0.000)*** (0.061)* (0.008)*** (0,41) (0.000)*** (0,26) (0.003)*** downig -0,053 -0,346 -0,104 -0,204 0,017 0,006 0,016 0,005 (0,17) (0.000)***(0.000)***(0.000)*** (0,43) (0,47) (0.081)* (0,83) upig -0,015 0,000 0,005 0,000 -0,009 -0,001 0,002 0,000 (0,63) (0,97) (0,64) (.) (0,59) (0,79) (0,71) (.) beginig 0,001 -0,004 0,000 0,000 0,000 -0,002 -0,003 0,000 (0,99) (0,63) (0,99) (.) (1,00) (0,72) (0,78) (.) N-observações 2557 2488 2676 701 2488 2431 2615 646 R2 0,181 0,364 0,242 0,404 0,174 0,231 0,189 0,605

dummies de pais e dummies de dias de eventos estão sempre incluídos *significante a 10%, ** significante a 5% e *** significante a 1%

Variável dependente

(49)

Como esperado o câmbio não reage a nenhuma mudança/início de rating quando o país adota o regime de câmbio fixo (RC1).

Para os países que adotam um regime de câmbio fixo que permite pequenas apreciações/depreciações de forma gradual (RC2) encontramos que o câmbio apresenta um movimento, estatisticamente significante, de depreciação em reação a um downgrade. Entre o dia imediatamente anterior e o imediatamente posterior ao anúncio, o câmbio sofre uma depreciação de 0,8% e, de 1,9% quando consideramos também o movimento de antecipação do mercado e os efeitos defasados (ou seja, analisamos o CAR(-5,+5)).

Para os países que adotam o regime de câmbio flexível administrado onde o câmbio flutua ao redor de uma banda (RC3) encontramos, de maneira geral, resultados contra intuitivos.

Para os países que apresentam inflação superior a 40% a.a. (RC5) encontramos resultados semelhantes aos dos países que adotam o RC2 e aos resultados encontrados para a amostra completa. Neste sentido, os coeficientes associados ao evento downgrade são estatisticamente significantes e apontam para uma depreciação cambial. Esta depreciação é de 2,8% e 4,9% para o CAR(-1,+1) e o CAR(-5,+5), respectivamente, ou seja, são magnitudes muito elevadas. Acreditamos que este movimento expressivo se deva à pior qualidade dos fundamentos macroeconômicos e à maior volatilidade dos países classificados como RC5.

Novamente os resultados dos coeficientes dos downgrades que alteram a classificação entre grau de investimento e especulativo (downig) sofrem com a falta de robustez. Por exemplo, os resultados associados a esta variável são totalmente díspares a depender da variável dependente analisada: quando é o CAR(-5,+5) o coeficiente de downig é estatisticamente significante e apresenta sinal negativo, quando é o CAR(-1,+1) o coeficiente de downig não é estatisticamente significante e o apresenta sinal positivo.

(50)

7.4 Movimentos fortes de downgrades e upgrades

Parece-nos razoável que um movimento de rating brusco que rebaixe/eleve a classificação do país em vários níveis apresente um coeficiente diferente dos movimentos suaves de mudança de rating.

A fim de captar este movimento, criamos duas novas variáveis: plusup e plusdown. A primeira é uma dummy que assume valor um quando o upgrade mudar a classificação de

rating em mais de um nível e zero caso contrário. A segunda variável segue a mesma lógica,

ou seja, é uma dummy que assume valor um quando o downgrade rebaixa em mais de um nível a classificação de rating e zero caso contrário.

Desta forma, um upgrade que eleve a classificação de rating de um país em mais de um nível será representado pelas variáveis up assumindo valor um e a variável plusup também assumindo valor um. Novamente, a mesma lógica se aplica no caso de um downgrade. Portanto, estas novas variáveis nos fornecem o impacto extra (a mais ou a menos) que mudanças fortes de rating causam no câmbio em relação a movimentos suaves. Os resultados encontram-se abaixo:

(51)

Tabela 12 – Resultados para mudanças bruscas

O coeficiente da variável plusup não se mostrou significante em nenhuma das regressões. Já o coeficiente da variável plusdown é estatisticamente significante e com sinal positivo nas regressões cujas variáveis explicadas são o CAR(-5,+5) e o CAR(-5,-1) e estatisticamente significante e com sinal negativo quando a variável explicada é o CAR(+2,+5).

Desta forma, um downgrade que rebaixa o país em mais de um nível gera uma depreciação da moeda em torno de 4%, ou seja, mais forte do que a depreciação gerada por um downgrade que rebaixa o país em apenas um nível que é de 2,1%. Apesar disso, na vizinhança próxima ao anúncio (entre o dia anterior e o posterior ao anúncio), um downgrade brusco gera uma depreciação do câmbio de 1,6% que é a mesma magnitude que um downgrade suave.

Além disso, o movimento já, anteriormente, identificado de que os mercados antecipam um rebaixamento de rating desvalorizando o câmbio antes mesmo do anúncio do downgrade é

CAR(-1,+1) CAR(-5,+5) CAR(+2,+5) CAR(-5,-1)

plusup 0,004 0,003 0,000 0,000 (0,527) (0,802) (0,985) (0,949) plusdown 0,003 0,019 -0,015 0,037 (0,582) (0,079)* (0,001)*** (0,000)*** begin -0,004 -0,004 0,000 -0,002 (0,324) (0,594) (0,880) (0,641) up -0,001 -0,002 0,000 -0,001 (0,565) (0,548) (0,733) (0,580) down 0,016 0,021 0,001 0,009 (0,000)*** (0,000)*** (0,564) (0,001)*** downig 0,008 -0,047 -0,006 -0,043 (0,371) (0,003)*** (0,372) (0,000)*** upig -0,002 0,001 -0,001 0,003 (0,781) (0,922) (0,846) (0,618) beginig 0,004 0,002 0,000 -0,001 (0,629) (0,906) (0,938) (0,911) N-observações 8693 8727 8627 8666 R2 0,072 0,068 0,072 0,074

dummies de pais, dummies de dia de evento e controles para regimes cambiais estão sempre incluídos *significante a 10%, ** significante a 5% e *** significante a 1%

Imagem

Referências

temas relacionados :
Outline : CONCLUSÃO